单独的验证代理真的能解决这个问题吗？

我在使用AI辅助构建交易机器人和数据监控工具时，一直遇到相同的问题。我提供模型API文档，我们实现一些东西，测试它，修复问题，最终它告诉我一切正常，我们可以继续。然后几个任务后，某些东西出了问题，我发现之前的步骤从未被正确验证。有时是一些基本问题，如API数据不完整、分页问题、缺少记录等。所以我在想，是否使用同一个代理/上下文进行实现和验证是错误所在。有没有人通过类似的方式获得更好的结果：开发代理 → 实现任务；审查代理 → 独立根据文档检查实现；测试代理 → 试图破坏它并验证实际输出？只有这样任务才被视为完成？我好奇的是，人们是否真的从这种设置中获得可靠的结果，还是多个代理最终只是自信地同意彼此的错误。